iloc只接受整数位置索引（如iloc[2]取第三行），不支持标签；loc按行索引值匹配（如loc['A']取索引为'A'的行）；布尔索引（如df[df.age>30]）才是按内容筛选的正确方式。
用 iloc 取行时，索引是位置不是标签
很多人一上来就写 df.iloc['A']，直接报错 TypeError: cannot do label indexing on <class> with these indexers</class>。因为 iloc 只认整数位置——从 0 开始数第几行，不管你的行名是什么。
常见错误现象：DataFrame 行索引是字符串（比如 ['A', 'B', 'C']），却用 iloc['B']；或者想取最后一行写了 iloc[-1] 却发现结果不对（其实是对的，但你误以为它该按标签找）。
-
iloc[2]→ 第三行（位置索引，0 起始） -
iloc[[0, 2, -1]]→ 多个位置，支持负数、列表、切片（如iloc[1:4]） - 不支持标签，哪怕行索引看起来像数字（如
df.index = ['1', '2', '3']），iloc[1]仍是第二行，不是索引为'1'的那行
用 loc 取行时，必须匹配行索引值
loc 看的是行索引（index）本身的值，不是位置。如果你的 DataFrame 没显式设过索引，默认是 RangeIndex(0, 1, 2...)，这时 loc[0] 才等于第一行；但一旦你执行过 df.set_index('col') 或 df.index = ['x', 'y', 'z']，loc[0] 就会报 KeyError。
使用场景：按业务 ID、日期、名称等有意义的标签查行；或需要同时筛选行列（loc[行条件, 列名]）。
立即学习“Python免费学习笔记（深入）”；
-
loc['A']→ 行索引中值为'A'的那一行（必须存在，否则 KeyError） -
loc[['A', 'C']]→ 多个标签，顺序按原索引出现顺序，不保证和输入列表一致 -
loc['2023-01-01':'2023-01-03']→ 如果索引是有序日期，支持切片（含首含尾，和iloc不同）
想按内容筛选行？别硬套 iloc/loc，先用布尔索引
用户常问：“怎么取 age > 30 的所有行？”——这不是 iloc 或 loc 的本职工作。它们是“定位器”，不是“过滤器”。强行用 loc 套条件（如 loc[df.age > 30]）能跑通，但本质已是布尔索引，loc 在这里只是可选容器，不是必需。
性能影响：布尔索引本身很快；但若在大 DataFrame 上反复写 df.loc[df.age > 30].iloc[0]，相当于两次扫描，不如先存中间结果。
- 正确姿势：
df[df.age > 30]（最直白）、df.query('age > 30')（可读性好） - 如果后续还要按位置取，再链式写：
df[df.age > 30].iloc[0]，但注意此时iloc[0]是结果里的第一行，不是原表第一行 - 避免：
df.loc[df.age > 30, :].iloc[0]—— 多余的loc和:降低可读性
混合索引（MultiIndex）下 loc 必须传元组，iloc 不受影响
当行索引是两层（比如 (城市, 年份)），loc 就不能只写 loc['Beijing'] 了，会报 KeyError: 'Beijing' not in index，因为它默认要匹配整个索引元组。
容易踩的坑：以为 loc['Beijing'] 能模糊匹配第一层，实际不行；或用 iloc 时忘了 MultiIndex 不影响位置计数，iloc[0] 还是第一行，没问题。
- 取第一层所有：
df.loc['Beijing']→ 错误；应写df.loc[('Beijing', slice(None)), :]或更简单：df.xs('Beijing', level=0) - 取具体组合：
df.loc[('Beijing', 2023)]→ 正确，传元组 -
iloc[5]→ 依然有效，返回位置第 5 行，不管索引结构多复杂
真正容易被忽略的是索引类型本身——loc 对索引值做精确匹配，而索引可能是 int、str、datetime、tuple，甚至包含 NaN。一旦索引里有 np.nan，loc[np.nan] 必然失败，得用 df[df.index.isna()] 单独捞。这事不报错，但数据就悄悄漏了。
